基于深度学习的超分辨功能超声脑神经血管活动显微成像
医学物理
2025-12-09 v2 信号处理
摘要
脑全域神经成像的微观尺度对于脑研究至关重要，但当前模态方法面临满足此类时空要求的挑战。功能超声 (fUS) 通过红细胞背散射实现脑神经血管成像，但受衍射极限空间分辨率制约。我们假设基于深度学习的超分辨率重构可以突破这一限制，引入超分辨率功能超声 (SR-fUS)，其利用超声定位显微镜 (ULM) 数据实现红细胞动力学的超分辨率重构。通过融合红细胞径向波动并采用不确定性驱动的损失函数，SR-fUS 使超声多普勒帧映射到超分辨率血流图像，实现 25 微米空间分辨率和 0.2 秒时间分辨率。将应用于成像大脑因疼痛刺激诱导的瞬时血流动力学响应。SR-fUS 在毛囊刺激下皮层微血管中的准确性，通过与两种光散射显微镜的比较研究得到进一步验证。
引用
@article{arxiv.2511.14071,
title = {Deep-Learning Based Super-Resolution Functional Ultrasound Imaging of Transient Brain-Wide Neurovascular Activity on a Microscopic Scale},
author = {Yang Cai and Shaoyuan Yan and Long Xu and Yanfeng Zhu and Bo Li and Kailiang Xu},
journal= {arXiv preprint arXiv:2511.14071},
year = {2025}
}